0

دانلود کتاب AIML برای شبکه‌ها، سرویس‌ها و مدیریت: سیستم‌های خودمختار، مسیریابی، امنیت، AIOps، هوش مصنوعی عامل‌محور (Agentic AI)، LSO، MLFO و طراحی

  • عنوان کتاب: AI/ML For Networks, Services, and Management Autonomous, Routing, Security, AIOps, Agentic AI, LSO, MLFO, and Design
  • نویسنده: Mehmet Toy
  • حوزه: هوش مصنوعی عامل محور
  • تعداد صفحه: 478
  • زبان اصلی: انگلیسی
  • نوع فایل: pdf
  • حجم فایل: 11.1 مگابایت

هوش مصنوعی (AI) در بازه زمانی ۱۹۵۰ تا ۱۹۵۴ با انتشار مقاله «ماشین‌های محاسباتی و هوش» اثر آلن تورینگ، برنامه بازی چکرز (Checkers) نوشته آرتور ساموئل، و کارگاه جان مک‌کارتی در دارتموث — که در آن برای نخستین بار اصطلاح «هوش مصنوعی» به کار رفت — متولد شد. هوش مصنوعی به یادگیری ماشین (ML) وابسته است؛ حوزه‌ای که از الگوریتم‌هایی نظیر طبقه‌بندی (Classification)، خوشه‌بندی (Clustering) و رگرسیون (Regression) برای تحلیل داده‌ها و یادگیری از آن‌ها بهره می‌برد. پس از آن، یادگیری ماشین قادر به انجام وظایفی همچون بهینه‌سازی و پیش‌بینی خواهد بود. با پیشرفت فناوری‌های محاسباتی در سال‌های اخیر، روند توسعه تکنیک‌های هوش مصنوعی و یادگیری ماشین شتابی چشمگیر یافته است. این فناوری‌ها بر تمامی صنایع، از امور مالی گرفته تا حوزه سلامت، تأثیرگذار بوده‌اند. شبکه‌ها و خدمات عمومی و خصوصی که زیرساخت ارتباطی همه صنایع را تشکیل می‌دهند نیز به‌شدت تحت تأثیر پیشرفت‌های اخیر در فناوری‌های محاسباتی و هوش مصنوعی/یادگیری ماشین قرار گرفته‌اند. فروشندگان محصولات شبکه مدعی ارائه پلتفرم‌هایی مبتنی بر هوش مصنوعی هستند که ضمن پشتیبانی از نیازهای در حال تحول شبکه و هوش مصنوعی، محافظتی کارآمد و مقیاس‌پذیر فراهم می‌کنند. هوش مصنوعی در روترها و راهکارهای شبکه ادغام می‌شود تا اکوسیستمی «بومیِ هوش مصنوعی» (AI-native) برای شبکه‌سازی خودمختار ایجاد کند، عملکرد را بهینه سازد و مدیریت را ساده‌تر نماید. این‌ها همگی تحولاتی مثبت برای این صنعت محسوب می‌شوند. گذر زمان مشخص خواهد کرد که آیا این محصولات برای دستیابی به اتوماسیون کامل در شبکه کفایت می‌کنند یا خیر، و مهم‌تر از آن، آیا خدمات پشتیبانی‌شده توسط این محصولات در سال‌های آتی به اتوماسیون کامل دست خواهند یافت یا نه. اتوماسیون خدمات برای کسب‌وکارها حیاتی است؛ چرا که صرف روزها، هفته‌ها یا ماه‌ها زمان برای سفارش و پیاده‌سازی خدمات، شناسایی و رفع خرابی‌ها و موارد مشابه، دیگر قابل‌قبول نیست. اپراتورها باید ضمن ارتقای تجربه مشتری در استفاده از خدمات، هزینه‌های عملیاتی را کاهش داده و به سرعت به تغییرات در تقاضای مشتریان واکنش نشان دهند. اتوماسیون خدمات تجاری نیازمند موارد زیر است: لایه زیرین (Underlay) خودکار (مانند سوئیچ‌ها، روترها، ایستگاه‌های پایه و سیستم‌های نوری)؛ لایه رویی (Overlay) خودکار (مانند اتصالات مجازی اترنت یا EVC، اتصالات مجازی IP یا IP VC، و اتصالات مجازی SD-WAN)؛ و سیستم‌های مدیریتی خودکار (مانند OSS/BSS، ارکستراتور، سیستم مدیریت زیرشبکه، سیستم مدیریت المان یا EMS، مدیر توابع شبکه مجازی یا VNFM، زیرساخت مجازی‌سازی توابع شبکه یا NFVI، و مدیر زیرساخت مجازی‌سازی‌شده یا VIM). و قابلیت همکاری بین سیستم‌های لایه زیرین، لایه رویی و مدیریتی مبتنی بر هوش مصنوعی/یادگیری ماشین که نیاز به استانداردسازی قابل توجهی دارند. با هوش مصنوعی/یادگیری ماشین، انتظار داریم به شبکه‌ها/خدمات تقریباً خودمدیریت‌شده دست یابیم. به دلیل سخت‌افزار و امکاناتی که سیستم‌های متصل به هم را برای استقرار و جایگزینی به هم متصل می‌کنند و نیاز به دخالت انسان دارند، ممکن است هرگز به طور کامل خودمدیریت نشود. ارائه‌دهندگان اتصال و ابر در طول سال‌ها رویه‌های مختلفی را برای اتوماسیون توسعه داده‌اند. این رویه‌ها می‌توانند نقطه شروع الگوریتم‌های هوش مصنوعی/یادگیری ماشین باشند، همانطور که در کتاب توضیح داده شده است. مدل‌های هوش مصنوعی مولد، مانند شبکه‌های مولد تخاصمی (GAN)، مدل‌های خودرگرسیو (AR) و خودرمزگذارهای متغیر (VAE)، می‌توانند برای تولید داده‌های مصنوعی برای آموزش استفاده شوند. این امر باید مدل‌سازی شبکه‌ها و خدمات را تسریع کند. در این کتاب، پس از شرح اصول اولیه هوش مصنوعی/یادگیری ماشین، معماری‌های خدمات، ویژگی‌های خدمات و OAM خدمات (عملیات، مدیریت، نگهداری)، رویکردهای خود و همچنین رویکردهای موجود در ادبیات برای خودکارسازی خدمات، لایه‌های زیرین و مدیریت آنها را شرح دادم. در طول نگارش کتاب، کاملاً مشخص شد که برای خودکارسازی شبکه‌ها و خدمات، به تحقیق و توسعه‌ی عظیمی نیاز است. من به برخی از آنها در کتاب اشاره کرده‌ام و محققان دانشگاه و صنعت را به انجام تحقیقات در این زمینه‌ها تشویق می‌کنم. نگارش این کتاب تقریباً ۲ سال با کار شبانه‌روزی و آخر هفته‌ها طول کشید. می‌خواهم از همسرم، فوسون، به خاطر درک و حمایتش تشکر کنم. می‌خواهم از نان چن به خاطر پیشگفتارش که دیدگاه و محتوای کتاب را به خوبی بیان کرد، تشکر کنم. همچنین می‌خواهم از ویراستار مری جیمز، دستیار ویراستار کیتلین بونومو و مدیران تولید تیاگاراجان ای. و لوکشواران مانیکاواساگام از انتشارات اشپرینگر که در انتشار آن کمک کردند، تشکر کنم.

Artificial Intelligence (AI) was born in 1950–1954 by Alan Turing’s publication of “Computer Machinery and Intelligence,” Arthur Samuel’s program to play checkers, and John McCarthy’s workshop at Dartmouth where he used the words “artificial Intelligence” first time. Artificial intelligence (AI) needs machine learning (ML) that uses algorithms like classification, clustering, and regression to parse data and learns from it. After that, ML can perform functions such as optimization and prediction. With the advancements in computing technologies in recent years, the development of AI/ML techniques have been accelerated tremendously. AI/ML has been impacting every industry from finance to healthcare. Public and private networks and services forming the communications infrastructure for all industries are also greatly impacted from the recent advances in computing and AI/ML technologies. AI-powered platforms that support evolving AI and networking demands and provide effective and scalable protection are claimed to be available by networking product vendors. AI is integrated into routers and networking solutions to create an AI-native ecosystem for autonomous networking, optimize performance, and simplify management. These are all good developments for the industry. Time will tell us whether these products are adequate to achieve full automation in networking or not and more importantly whether services supported by these products achieve full automation in coming years or not. Service automation is critical for the business. Days, weeks, or months for service ordering and implementation, failure identi_ication and repair, etc. are no longer acceptable. Operators need to reduce operational cost and react to changes in customer demands quickly while perfecting customer experience with their services. Automation of business services requires automated underlay (e.g., switches, routers, base stations, optical systems); automated overlay (e.g., Ethernet Virtual Connections—EVCs, IP Virtual Connections—IP VCs, SD-WAN Virtual Connections); automated management systems (e.g., OSS/BSS, orchestrator, subnetwork management system, element management system—EMS, Virtual Network Function Manager— VNFM, Network Functions Virtualization Infrastructure—NFVI, Virtualized Infrastructure Manager—VIM); and interoperability among AI/ML-powered underlay, overlay, and management systems requiring susbstantial amount of standardization. With AI/ML, we expect to achieve nearly self-managed networks/services. It may never be fully self-managed due to hardware and facilities connecting systems requiring human involvement for deployment and replacement. Connectivity and cloud providers have developed various procedures for automation over the years. These procedures can be starting point for AI/ML algorithms as described in the book. Generative AI models, such as Generative Adversarial Networks (GANs), Autoregressive models (ARs), and Variational Autoencoders (VAEs), can be used to generate synthetic data for training. This should accelerate modeling networks and services. In this book, I described my approaches as well as those in the literature for automating services, their underlays and management, after describing basics for AI/ML, service architectures, service attributes, and service OAM (operations, administration, maintenance). During the development of the book, it became very clear that tremendous amount of research and development are required for automating networking and services. I pointed some of them out in the book and encourage researchers in academia and industry to conduct research in these areas. The writing of this book took almost 2 years by working at nights and weekends. I want to thank my wife, Fusun, for her understanding and support. I would like to thank Nan Chen for his Foreword articulating well his vision and the content of the book. Also I would like to thank the Editor Mary James, the Editorial Assistant Kaitlyn Bonomo, and the Production Managers Thiyagarajan A. and Lokeshwaran Manickavasagam of Springer Publishing, who helped with the publication.

این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:

Download: AI/ML For Networks…

نظرات کاربران

  •  چنانچه دیدگاه شما توهین آمیز باشد تایید نخواهد شد.
  •  چنانچه دیدگاه شما جنبه تبلیغاتی داشته باشد تایید نخواهد شد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

بیشتر بخوانید